인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Defect detection in fastening nuts is critical for ensuring product reliability in manufacturing. This paper proposes optimal combinations of image preprocessing and visualization techniques to enhance the reliability and interpretability of machine-learning-based nut defect prediction algorithms. Polarization images were preprocessed using methods, such as region-of-interest extraction, flattening, Canny edge detection, and binarization. A VGG16-based convolutional neural network was trained for prediction. To analyze the decision-making of the model, various visualization techniques, including Grad-CAM, Grad-CAM++, and Score-CAM, were employed. The results showed that the prediction performance was sensitive to preprocessing, yielding an improvement of up to 3.7% in accuracy. Furthermore, visualization facilitated a comparative analysis of the focus areas of the model, enabling the identification of the optimal preprocessing–visualization combination. These findings demonstrate that the proposed approach can significantly contribute toward developing reliable and explainable AI-based defect prediction algorithms applicable directly to manufacturing sites.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096020589
